Preise Anbieter Vergleich

…

© 2026 PetaPrice

Anbieter GPU-Vergleiche Architekturen Preisbericht Glossar FAQ Methodik Korrekturen JSON-API llms.txt Datenschutz Impressum

Preishinweis: Alle Preise sind unverbindliche Listenpreise in USD, die automatisch aus Anbieter-APIs und öffentlichen Katalogen erfasst und etwa alle 2 Stunden aktualisiert werden. Sie enthalten keine Steuern, Speicher-, Egress- oder sonstigen Gebühren, sofern der Anbieter diese nicht einschließt, können veraltet sein und garantieren keine Verfügbarkeit. Maßgeblich ist zum Zeitpunkt der Buchung die Website des Anbieters. PetaPrice vermietet keine Rechenleistung und ist nicht Vertragspartei zwischen Ihnen und einem Anbieter. FLOPS sind theoretische Spitzenwerte aus den Datenblättern der Hersteller. Mehr

GPU-Glossar/Rechenleistung

FP8

Auch bekannt als: E4M3, E5M2, Float8

8-Bit-Gleitkomma für Training und Inferenz, mit etwa doppeltem Durchsatz gegenüber FP16. Nativ auf Hopper, Ada, Blackwell sowie AMD CDNA 3 und neuer.

GPUs mit FP8, bestes Preis-Leistungs-Verhältnis zuerst

Sortiert nach $ pro PFLOP-Stunde dense FP8 zum jeweils niedrigsten On-Demand-Preis jeder GPU.

1RTX 4070 SUPER12 GB$0.07/h$0.49/PFLOP·h
2Instinct MI355X288 GB$2.59/h$0.51/PFLOP·h
3Instinct MI300X192 GB$1.85/h$0.71/PFLOP·h
4B200 SXM180 GB$3.20/h$0.71/PFLOP·h
5Instinct MI325X256 GB$2.00/h$0.76/PFLOP·h
6RTX 6000 Ada48 GB$0.65/h$0.89/PFLOP·h
7H100 SXM80 GB$1.82/h$0.92/PFLOP·h
8RTX 5000 Ada32 GB$0.49/h$0.94/PFLOP·h

Alle GPUs vergleichen →

Verwandte Begriffe

PräzisionWie viele Bits jede Zahl belegt. Weniger Bits bedeuten mehr Durchsatz und weniger Speicherbedarf, kosten aber etwas Genauigkeit. Dieselbe GPU hat für jede Präzision einen anderen Spitzenwert.
FP16 und BF1616-Bit-Formate und der Standard für Training und Betrieb von LLMs. BF16 behält den Wertebereich von FP32 bei geringerer Genauigkeit, was das Training stabiler macht; es setzt Ampere, CDNA 2 oder neuer voraus.
FP44-Bit-Gleitkomma für quantisierte Inferenz. Nur Blackwell und AMD CDNA 4 führen es nativ aus.

Rechenleistung

FLOPS, TFLOPS, PFLOPSGleitkommaoperationen pro Sekunde: wie viel Rechenarbeit ein Chip leisten kann. 1 TFLOPS sind eine Billion pro Sekunde, 1 PFLOPS (PetaFLOPS) sind tausend TFLOPS. PetaPrice gibt alle Rechenleistung in PFLOPS an.
Dense vs. sparse FLOPSHersteller geben den Tensor-Durchsatz oft mit 2:4-Structured-Sparsity an, was den beworbenen Wert verdoppelt. Training und Inferenz nutzen das so gut wie nie, daher zeigt PetaPrice immer dichte Werte.
$ pro PFLOP-StundeDer Preis einer GPU-Stunde geteilt durch die dichten Spitzen-PFLOPS der GPU bei der gewählten Präzision. Er zeigt, wie viel Rechenleistung ein Dollar kauft, sodass sich schnelle teure und langsame günstige GPUs direkt vergleichen lassen. Niedriger ist besser.
TF32NVIDIAs 19-Bit-Format, mit dem FP32-Matrixrechnungen auf Tensor Cores laufen. PyTorch kann es ab Ampere für FP32-Matrixmultiplikationen nutzen.
INT8 und TOPS8-Bit-Ganzzahlen für quantisierte Inferenz. Der Durchsatz wird in TOPS (Billionen Operationen pro Sekunde) statt in FLOPS gemessen.
Tensor Cores / Matrix CoresRecheneinheiten, die kleine Matrizen in einem Schritt multiplizieren; aus ihnen stammt fast der gesamte KI-Durchsatz einer GPU. NVIDIA nennt sie Tensor Cores, AMD Matrix Cores.
MFU (Model FLOPS Utilization)Der Anteil der Spitzen-FLOPS, den eine reale Last tatsächlich erreicht. Große Trainingsläufe kommen meist auf 30–60 %, daher dienen Datenblatt-Spitzenwerte zum Vergleich von GPUs, nicht zur Vorhersage der Laufzeit.

← Alle Begriffe